CN112102341A - 一种细胞图像分割方法及其装置 - Google Patents
一种细胞图像分割方法及其装置 Download PDFInfo
- Publication number
- CN112102341A CN112102341A CN202010890325.7A CN202010890325A CN112102341A CN 112102341 A CN112102341 A CN 112102341A CN 202010890325 A CN202010890325 A CN 202010890325A CN 112102341 A CN112102341 A CN 112102341A
- Authority
- CN
- China
- Prior art keywords
- cell
- image
- cell image
- binarization
- gradient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000003709 image segmentation Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 6
- 230000001413 cellular effect Effects 0.000 claims 3
- 238000005286 illumination Methods 0.000 abstract description 7
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明实施例提供一种细胞图像分割方法，包括：根据第一细胞图像的梯度信息对第一细胞图像进行第一二值化处理，得到包含细胞区域的第二细胞图像；根据细胞区域的位置对第一细胞图像进行第二二值化处理，得到包含细胞边界的第三细胞图像。本发明实施例首先根据第一细胞图像的梯度信息对第一细胞图像进行二值化，得到若干个细胞区域，然后根据第一细胞图像的灰度信息对若干个细胞区域进行二值化，得到最终真实的细胞边界，采用梯度信息分割整个第一细胞图像和采用灰度信息分割第一细胞图像中的细胞区域，克服了细胞图像光照不均或者局部过暗的问题，使得细胞边界标识更准确。
Description
技术领域
本发明涉及图像识别领域，尤其涉及一种细胞图像分割方法及其装置。。
背景技术
细胞边界标识是生物学科研常用的功能，也是细胞参数计算的前提，准确的细胞边界标识对实验的评定非常重要。目前基于显微镜细胞图像的细胞边界标识是主流的方法之一，细胞图像往往存在光照不均或者局部过暗的情况。现有技术中，采用图像金字塔等处理方法获得的细胞边界与真实的细胞边界有一定的偏差，细胞边界标识不够准确。
发明内容
本发明实施例提供一种细胞图像分割方法，旨在解决现有技术中细胞边界标识不够准确的问题。
第一方面，提供了一种细胞图像分割方法，包括：
根据第一细胞图像的梯度信息对所述第一细胞图像进行第一二值化处理，得到包含细胞区域的第二细胞图像；
根据所述细胞区域的位置对所述第一细胞图像进行第二二值化处理，得到包含细胞边界的第三细胞图像。
第二方面，提供了一种细胞图像分割装置，包括：
第一二值化单元，用于根据第一细胞图像的梯度信息对所述第一细胞图像进行第一二值化处理，得到包含细胞区域的第二细胞图像；
第二二值化单元，用于根据所述细胞区域的位置对所述第一细胞图像进行第二二值化处理，得到包含细胞边界的第三细胞图像。
本发明实施例首先根据第一细胞图像的梯度信息对第一细胞图像进行二值化，得到若干个细胞区域，然后根据第一细胞图像的灰度信息对若干个细胞区域进行二值化，得到最终真实的细胞边界，采用梯度信息分割整个第一细胞图像和采用灰度信息分割第一细胞图像中的细胞区域，克服了细胞图像光照不均或者局部过暗的问题，使得细胞边界标识更准确。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明实施例一提供的细胞图像分割方法的流程图；
图2是本发明实施例一提供的拍摄的原始的第一细胞图像；
图3是本发明实施例一提供的采用梯度信息分割第一细胞图像的流程图；
图4A是本发明实施例一提供的梯度图像；
图4B是本发明实施例一提供的梯度二值化图像；
图4C是本发明实施例一提供的第二细胞图像；
图5是本发明实施例一提供的采用灰度信息分割第一细胞图像中的细胞区域的流程图；
图6是本发明实施例一提供的第三细胞图像；
图7是本发明实施例一提供的突出显示细胞边界的第一细胞图像；
图8是本发明实施例二提供的细胞图像分割装置的结构框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
本发明实施例首先根据第一细胞图像的梯度信息对第一细胞图像进行二值化，得到若干个细胞区域，然后根据第一细胞图像的灰度信息对若干个细胞区域进行二值化，得到最终真实的细胞边界，采用梯度信息分割整个第一细胞图像和采用灰度信息分割第一细胞图像中的细胞区域，克服了细胞图像光照不均或者局部过暗的问题，使得细胞边界标识更准确。
实施例一
图1是本发明实施例一提供的细胞图像分割方法的流程图。如图1所示，该方法包括：
步骤S101：根据第一细胞图像的梯度信息对第一细胞图像进行第一二值化处理，得到包含细胞区域的第二细胞图像。
在本发明实施例中，对于细胞图像，可以采用其灰度信息或者梯度信息进行二值化处理。经过处理后的细胞图像为黑白图，白色区域表示单独的细胞或者细胞团。图2为拍摄的原始的第一细胞图像，该图像为灰度图，其中包含的均为活细胞。
作为本发明的一个实施例，采用梯度信息分割第一细胞图像的流程如图3所示，该方法包括：
步骤S301：根据第一细胞图像的灰度信息得到梯度图像。
在本发明实施例中，根据第一细胞图像的灰度信息获取梯度图像，梯度图像可描述第一细胞图像灰度的变化率。图4A是由图2得到的梯度图像。在细胞边界，灰度变化较为明显；在细胞内部和背景，灰度变化较小。
通常利用梯度模板进行卷积来计算灰度的变化率，常用的梯度模板包括但不限于Laplace算子、Sobel算子、Robinson算子或者绝对梯度等。
步骤S302：对梯度图像进行二值化，得到梯度二值化图像。
在本发明实施例中，二值化的阈值可以通过大津法、迭代法等方法获得，在此不做限制。图4B是由图4A得到的梯度二值化图像，图中仅包含黑白两种数值。白色区域代表细胞边界，黑色区域代表细胞内部或者背景。
步骤S303：对梯度二值化图像进行填充，得到包含细胞区域的第二细胞图像。
在本发明实施例中，对梯度二值化图像中白色区域内部的黑色部分进行填充，即将白色区域内部的黑色的像素置为白色。填充之后得到如图4C所示的第二细胞图像，图4C中包含六个白色区域，每个独立的白色区域可认为是细胞区域，包含一个或者多个细胞。
步骤S102：根据细胞区域的位置对第一细胞图像进行第二二值化处理，得到包含细胞边界的第三细胞图像。
由于在细胞边界附近的区域存在灰度变化，而使得第二细胞图像中白色区域的边界相对真实的细胞边界有偏差。图2和图4C对比可看到，一些原来不相连的细胞变为了相连。
作为本发明的一个实施例，采用灰度信息分割第一细胞图像中的细胞区域的流程如图5所示，该方法包括：
步骤S501：将细胞区域的位置映射到第一细胞图像的对应位置。
在本发明实施例中，将第二细胞图像中包含的细胞区域映射到第一细胞图像的对应位置。即将图4C中的白色区域映射到图2，并得到图2中对应像素的灰度。
步骤S502：根据预设阈值对第一细胞图像的对应位置进行第二二值化处理，得到细胞区域图像。
在本发明实施例中，对第一细胞图像的对应位置的灰度进行二值化处理，二值化的预设阈值可以为固定值，或者通过大津法、迭代法等方法获得，在此不做限制。即对图2中对应像素的灰度进行二值化，得到仅包含黑白两种数值的细胞区域图像。
作为本发明的一个实施例，当第二细胞图像中包含的细胞区域为多个时，二值化的预设阈值也为多个不同的值，分别与多个细胞区域对应。
对不同的细胞区域使用不同的阈值进行二值化，使得对单个细胞区域内的灰度分布情况的判断更为独立，能够有效克服细胞图像光照不均或者局部过暗的问题。
步骤S503：将细胞区域以外的位置映射到第三细胞图像的对应位置并设置预设值，结合细胞区域图像得到包含细胞边界的第三细胞图像。
在本发明实施例中，将第二细胞图像中的细胞区域以外的位置映射到第三细胞图像的对应位置，并设置为黑，代表背景。同时将细胞区域图像放入第三细胞图像，得到包含细胞边界的第三细胞图像。如图6所示，白色区域的外边界即为细胞的外边界。图2、图4C和图6对比可看到，图6中细胞的外边界最接近真实的细胞边界。
本发明实施例采用梯度信息对整个第一细胞图像做处理，采用灰度信息对第一细胞图像的局部区域做处理，充分利用了梯度信息和灰度信息的特点，可有效克服细胞图像光照不均或者局部过暗的问题。
步骤S103：将细胞边界的位置映射到第一细胞图像的对应位置并在第一细胞图像上突出显示。
为了用户在实验时便于观察，在本发明实施例中，将第三细胞图像中的细胞外边界映射到第一细胞图像的对应位置，并且在第一细胞图像上突出显示这些细胞外边界。如图7所示，用户可直接在拍摄的原始的第一细胞图像上观察到细胞边界标识，快速判断实验结果的准确性。
本发明实施例首先根据第一细胞图像的梯度信息对第一细胞图像进行二值化，得到若干个细胞区域，然后根据第一细胞图像的灰度信息对若干个细胞区域进行二值化，得到最终真实的细胞边界，采用梯度信息分割整个第一细胞图像和采用灰度信息分割第一细胞图像中的细胞区域，克服了细胞图像光照不均或者局部过暗的问题，使得细胞边界标识更准确。
实施例二
图8为本发明实施例二提供的细胞图像分割装置的结构框图，如图8所示，该装置包括：第一二值化单元81和第二二值化单元82。
第一二值化单元81用于根据第一细胞图像的梯度信息对第一细胞图像进行第一二值化处理，得到包含细胞区域的第二细胞图像。
第二二值化单元82用于根据细胞区域的位置对第一细胞图像进行第二二值化处理，得到包含细胞边界的第三细胞图像。
优选地，第一二值化单元81包括：
梯度计算子单元用于根据第一细胞图像的灰度信息得到梯度图像。
梯度二值化子单元用于对梯度图像进行二值化，得到梯度二值化图像。
填充子单元用于对梯度二值化图像进行填充，得到包含细胞区域的第二细胞图像。
优选地，第二二值化单元82包括：
映射子单元用于将细胞区域的位置映射到第一细胞图像的对应位置。
灰度二值化子单元用于根据预设阈值对第一细胞图像的对应位置进行第二二值化处理，得到细胞区域图像。
结合子单元用于将细胞区域以外的位置映射到第三细胞图像的对应位置并设置预设值，结合细胞区域图像得到包含细胞边界的第三细胞图像。
优选地，当细胞区域为多个时，预设阈值为多个不同的值，分别与多个细胞区域对应。
进一步地，细胞图像分割装置还包括显示单元，显示单元用于将细胞边界的位置映射到第一细胞图像的对应位置并在第一细胞图像上突出显示。
在该细胞图像分割装置中运行的细胞图像分割方法与实施例一描述的方法一一对应，在此不再赘述。
本发明实施例首先根据第一细胞图像的梯度信息对第一细胞图像进行二值化，得到若干个细胞区域，然后根据第一细胞图像的灰度信息对若干个细胞区域进行二值化，得到最终真实的细胞边界，采用梯度信息分割整个第一细胞图像和采用灰度信息分割第一细胞图像中的细胞区域，克服了细胞图像光照不均或者局部过暗的问题，使得细胞边界标识更准确。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种细胞图像分割方法，其特征在于，所述方法包括：
根据第一细胞图像的梯度信息对所述第一细胞图像进行第一二值化处理，得到包含细胞区域的第二细胞图像；
根据所述细胞区域的位置对所述第一细胞图像进行第二二值化处理，得到包含细胞边界的第三细胞图像。
2.根据权利要求1所述的方法，其特征在于，根据第一细胞图像的梯度信息对所述第一细胞图像进行第一二值化处理，得到包含细胞区域的第二细胞图像包括：
根据第一细胞图像的灰度信息得到梯度图像；
对所述梯度图像进行二值化，得到梯度二值化图像；
对所述梯度二值化图像进行填充，得到包含细胞区域的第二细胞图像。
3.根据权利要求1所述的方法，其特征在于，根据所述细胞区域的位置对所述第一细胞图像进行第二二值化处理，得到包含细胞边界的第三细胞图像包括：
将所述细胞区域的位置映射到所述第一细胞图像的对应位置；
根据预设阈值对所述第一细胞图像的对应位置进行第二二值化处理，得到细胞区域图像；
将所述细胞区域以外的位置映射到第三细胞图像的对应位置并设置预设值，结合所述细胞区域图像得到包含细胞边界的第三细胞图像。
4.根据权利要求3所述的方法，其特征在于，当所述细胞区域为多个时，所述预设阈值为多个不同的值，分别与多个所述细胞区域对应。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
将所述细胞边界的位置映射到所述第一细胞图像的对应位置并在所述第一细胞图像上突出显示。
6.一种细胞图像分割装置，其特征在于，所述装置包括：
第一二值化单元，用于根据第一细胞图像的梯度信息对所述第一细胞图像进行第一二值化处理，得到包含细胞区域的第二细胞图像；
第二二值化单元，用于根据所述细胞区域的位置对所述第一细胞图像进行第二二值化处理，得到包含细胞边界的第三细胞图像。
7.根据权利要求6所述的装置，其特征在于，所述第一二值化单元包括：
梯度计算子单元，用于根据第一细胞图像的灰度信息得到梯度图像；
梯度二值化子单元，用于对所述梯度图像进行二值化，得到梯度二值化图像；
填充子单元，用于对所述梯度二值化图像进行填充，得到包含细胞区域的第二细胞图像。
8.根据权利要求6所述的装置，其特征在于，所述第二二值化单元包括：
映射子单元，用于将所述细胞区域的位置映射到所述第一细胞图像的对应位置；
灰度二值化子单元，用于根据预设阈值对所述第一细胞图像的对应位置进行第二二值化处理，得到细胞区域图像；
结合子单元，用于将所述细胞区域以外的位置映射到第三细胞图像的对应位置并设置预设值，结合所述细胞区域图像得到包含细胞边界的第三细胞图像。
9.根据权利要求8所述的装置，其特征在于，当所述细胞区域为多个时，所述预设阈值为多个不同的值，分别与多个细胞区域对应。
10.根据权利要求6-9任一项所述的装置，其特征在于，所述装置还包括：
显示单元，用于将所述细胞边界的位置映射到所述第一细胞图像的对应位置并在所述第一细胞图像上突出显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010890325.7A CN112102341A (zh) | 2020-08-29 | 2020-08-29 | 一种细胞图像分割方法及其装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010890325.7A CN112102341A (zh) | 2020-08-29 | 2020-08-29 | 一种细胞图像分割方法及其装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112102341A true CN112102341A (zh) | 2020-12-18 |
Family
ID=73758273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010890325.7A Pending CN112102341A (zh) | 2020-08-29 | 2020-08-29 | 一种细胞图像分割方法及其装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112102341A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090169090A1 (en) * | 2007-12-27 | 2009-07-02 | Cytyc Corporation | Targeted edge detection method and apparatus for cytological image processing applications |
| US20090297015A1 (en) * | 2005-10-13 | 2009-12-03 | Fritz Jetzek | Method for Detecting Contours in Images of Biological Cells |
| CN101692282A (zh) * | 2009-10-16 | 2010-04-07 | 浙江工业大学 | 一种基于形态学的细胞分离方法 |
| CN104794710A (zh) * | 2015-04-13 | 2015-07-22 | 上海泽煜实验设备有限公司 | 一种图像处理方法及装置 |
| CN105160668A (zh) * | 2015-08-26 | 2015-12-16 | 爱威科技股份有限公司 | 图像分割方法、系统与细胞图像分割方法、系统 |
| CN105654107A (zh) * | 2015-09-21 | 2016-06-08 | 长春迪瑞医疗科技股份有限公司 | 一种基于svm的有形成分分类方法 |
| CN106056118A (zh) * | 2016-06-12 | 2016-10-26 | 合肥工业大学 | 一种用于细胞的识别计数方法 |
| CN110517273A (zh) * | 2019-08-29 | 2019-11-29 | 麦克奥迪（厦门）医疗诊断系统有限公司 | 基于动态梯度阈值的细胞学图像分割方法 |
-
2020
- 2020-08-29 CN CN202010890325.7A patent/CN112102341A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090297015A1 (en) * | 2005-10-13 | 2009-12-03 | Fritz Jetzek | Method for Detecting Contours in Images of Biological Cells |
| US20090169090A1 (en) * | 2007-12-27 | 2009-07-02 | Cytyc Corporation | Targeted edge detection method and apparatus for cytological image processing applications |
| CN101692282A (zh) * | 2009-10-16 | 2010-04-07 | 浙江工业大学 | 一种基于形态学的细胞分离方法 |
| CN104794710A (zh) * | 2015-04-13 | 2015-07-22 | 上海泽煜实验设备有限公司 | 一种图像处理方法及装置 |
| CN105160668A (zh) * | 2015-08-26 | 2015-12-16 | 爱威科技股份有限公司 | 图像分割方法、系统与细胞图像分割方法、系统 |
| CN105654107A (zh) * | 2015-09-21 | 2016-06-08 | 长春迪瑞医疗科技股份有限公司 | 一种基于svm的有形成分分类方法 |
| CN106056118A (zh) * | 2016-06-12 | 2016-10-26 | 合肥工业大学 | 一种用于细胞的识别计数方法 |
| CN110517273A (zh) * | 2019-08-29 | 2019-11-29 | 麦克奥迪（厦门）医疗诊断系统有限公司 | 基于动态梯度阈值的细胞学图像分割方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107316077B (zh) | 一种基于图像分割及边缘检测的脂肪细胞自动计数方法 | |
| CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
| CN109389129B (zh) | 一种图像处理方法、电子设备及存储介质 | |
| CN107180421B (zh) | 一种眼底图像病变检测方法及装置 | |
| JP6086949B2 (ja) | 色原体分離に基づく画像解析の方法 | |
| CN111145209B (zh) | 一种医学图像分割方法、装置、设备及存储介质 | |
| CN110705583A (zh) | 细胞检测模型训练方法、装置、计算机设备及存储介质 | |
| CN112614062B (zh) | 菌落计数方法、装置及计算机存储介质 | |
| CN111598889B (zh) | 均压环倾斜故障的识别方法、装置、计算机设备 | |
| CN111753692A (zh) | 目标对象提取方法、产品检测方法、装置、计算机和介质 | |
| CN108830149B (zh) | 一种目标细菌的检测方法及终端设备 | |
| CN113362331A (zh) | 图像分割方法、装置、电子设备及计算机存储介质 | |
| CN109241867B (zh) | 采用人工智能算法识别数字岩心图像的方法及装置 | |
| CN107004266A (zh) | 检测轮胎表面上缺陷的方法 | |
| CN110517273B (zh) | 基于动态梯度阈值的细胞学图像分割方法 | |
| CN110909640A (zh) | 水位线的确定方法及装置、存储介质、电子装置 | |
| CN107545572A (zh) | 图像中目标的处理方法和装置 | |
| CN114241326B (zh) | 一种渐进式遥感影像地物要素智能生产方法及系统 | |
| Jing et al. | Pavement crack distress detection based on image analysis | |
| CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
| Vishwanath et al. | Connected component analysis for Indian license plate infra-red and color image character segmentation | |
| CN111724354A (zh) | 一种基于图像处理的多株小麦穗长与小穗数的测量方法 | |
| CN105957027B (zh) | 一种基于所需方向结构特征统计的mrf样本块图像修复方法 | |
| CN113392819A (zh) | 一种批量化学术图像自动分割标注装置和方法 | |
| CN112819834A (zh) | 基于人工智能的胃部病理图像的分类方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: 518057, Room 1901, Building A, Building 7, Shenzhen International Innovation Valley, Dashi Road, Xili Community, Xili Street, Nanshan District, Shenzhen City, Guangdong Province (9th, 19th, 20th, and 9th floors of Building A) Applicant after: Shenzhen Ruiwode Life Technology Co.,Ltd. Address before: 518057 room 1901, block a, building 9, area C, Wanke Yuncheng phase III, Liuxin 4th Road, Xili community, Xili street, Nanshan District, Shenzhen City, Guangdong Province Applicant before: RWD LIFE SCIENCE Co.,Ltd. Country or region before: China |